-
公开(公告)号：CN110060699A
公开(公告)日：2019-07-26
申请号：CN201910421602.7
申请日：2019-05-21
申请人： 哈尔滨工程大学
IPC分类号： G10L21/0272 , G10L21/0208
摘要： 本发明提供的是一种基于深度稀疏展开的单信道语音分离方法。步骤一、将输入的混沌、纯净语音进行信号预处理，进行特征的提取；步骤二、结合稀疏NMF和深度展开对单信道语音语音分离问题进行模型建立；步骤三、将建立好的模型与提取的特征进行模型训练，得到基本系数；步骤四、再次输入混沌、纯净语音信号数据进行测试，经过傅里叶逆变换后，最终得到纯净语音。该方法将稀疏非负矩阵分离与深度展开方法相结合，对语音分离具有一定效果。
-
公开(公告)号：CN115169216A
公开(公告)日：2022-10-11
申请号：CN202210574452.5
申请日：2022-05-25
申请人： 哈尔滨工程大学
IPC分类号： G06F30/27 , G06K9/62 , G06N20/00 , G06F111/08
摘要： 本发明公开了一种面向水声智能伪装的高鲁棒性的对抗样本生成方法及系统，属于数字图像处理技术和水声信号处理技术领域，其中，该方法具体包括：进行对抗扰动的抗噪能力设计基于训练数据扩张的扰动量增强方法，以扩展训练数据集得到第二增强数据集；将敌方的识别模型作为一个未知黑盒子，根据所述第二增强数据集对其进行黑盒攻击，并采用迭代集成学习方法训练替身模型，得到最优对抗样本。该方法在利用声波与各种谱图的转换机制进一步约束对抗扰动，使其具备人眼不敏感但可欺骗机器学习模型的能力，再针对环境和自身噪声设计数据增强方案，完成对抗样本的抗噪能力建设，并基于集成学习提升对抗样本的可迁移性、提高泛化能力。
-
公开(公告)号：CN115081510B
公开(公告)日：2024-05-10
申请号：CN202210503733.1
申请日：2022-05-10
申请人： 哈尔滨工程大学
IPC分类号： G06F18/214 , G06F18/10 , G06F18/213 , G06F18/24 , G06F17/14
摘要： 本发明公开了一种面向水声智能伪装的跨模态高隐蔽对抗样本生成方法及系统，属于数字图像处理技术和水声信号处理技术领域，其中，该方法包括以下步骤：模拟海底混响分布形式，获取我方舰船发出的原始水声信号，并生成初始对抗扰动；对初始对抗扰动中的扰动量进行频段限制，以生成声波对抗样本；利用傅里叶变换处理我方舰船发出的原始水声信号，以生成图像模态对抗样本。该方法使播放的对抗扰动能够同时欺骗声波和图像处理模型，且不引起人耳和人眼的警觉，进而实现水声对抗场景中对敌智能伪装。
-
公开(公告)号：CN115310513A
公开(公告)日：2022-11-08
申请号：CN202210788764.6
申请日：2022-07-06
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种面向水声智能伪装的对抗样本可解释性研究方法及系统，属于数字图像处理技术和水声信号处理技术领域，其中，该方法包括：从分析输入样本和输出标签在多维空间的分布方式入手，给出超平面对样本空间的分割设定；基于对抗样本与原始样本之间的l0距离和l2距离分别证明对抗样本的存在方式和构成原理,提高对抗样本工作机制的透明度，确保能进行可信的人机交互、功能改进和参数调优。该方法为声学智能伪装技术实现逻辑闭环，保障我方设计者或操作者利用可解释的对抗攻击方法应对敌方的防御手段。
-
公开(公告)号：CN111028277B
公开(公告)日：2023-01-10
申请号：CN201911256966.0
申请日：2019-12-10
申请人： 中国电子科技集团公司第五十四研究所 , 哈尔滨工程大学
IPC分类号： G06T7/33
摘要： 本发明公开了遥感图像配准技术领域的基于伪孪生卷积神经网络的SAR和光学遥感图像配准方法，先对特征图像块的采集和匹配，再进行异常点去除和最终配准，采用了最大化正样本和难负样本之间的特征距离的策略，并且定义了新的损失函数对网络进行训练，伪孪生网络的两个分支通过卷积运算连接，得到两个输入图像块之间的相似性得分；本发明通过提出了伪孪生卷积神经网络体系结构，使得伪孪生网络的左分支和右分支能够分别输入不同大小的光学和SAR遥感图像，能够解决在极高分辨率下光学和SAR遥感图像中识别相应图像块的任务。
-
公开(公告)号：CN110189761B
公开(公告)日：2021-03-30
申请号：CN201910421436.0
申请日：2019-05-21
申请人： 哈尔滨工程大学
IPC分类号： G10L21/0208
摘要： 本发明提供的是一种基于贪婪深度字典学习的单信道语音去混响方法。步骤一、将输入的混沌、纯净语音进行信号预处理，进行特征的提取；步骤二、结合稀疏和贪婪深度字典学习对单信道语音去混响问题进行模型建立；步骤三、将建立好的模型与提取的特征进行模型训练，得到基本系数；步骤四、再次输入混沌、纯净语音信号数据进行测试，经过傅里叶逆变换后，最终得到纯净语音。本发明将传统的单信道语音去混响方法与深度字典学习相结合，提高单信道去混响的效果，使其具有良好的去混响效果，提高深度网络结构的可推导性。
-
公开(公告)号：CN110189761A
公开(公告)日：2019-08-30
申请号：CN201910421436.0
申请日：2019-05-21
申请人： 哈尔滨工程大学
IPC分类号： G10L21/0208
摘要： 本发明提供的是一种基于贪婪深度字典学习的单信道语音去混响方法。步骤一、将输入的混沌、纯净语音进行信号预处理，进行特征的提取；步骤二、结合稀疏和贪婪深度字典学习对单信道语音去混响问题进行模型建立；步骤三、将建立好的模型与提取的特征进行模型训练，得到基本系数；步骤四、再次输入混沌、纯净语音信号数据进行测试，经过傅里叶逆变换后，最终得到纯净语音。本发明将传统的单信道语音去混响方法与深度字典学习相结合，提高单信道去混响的效果，使其具有良好的去混响效果，提高深度网络结构的可推导性。
-
公开(公告)号：CN115081510A
公开(公告)日：2022-09-20
申请号：CN202210503733.1
申请日：2022-05-10
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种面向水声智能伪装的跨模态高隐蔽对抗样本生成方法及系统，属于数字图像处理技术和水声信号处理技术领域，其中，该方法包括以下步骤：模拟海底混响分布形式，获取我方舰船发出的原始水声信号，并生成初始对抗扰动；对初始对抗扰动中的扰动量进行频段限制，以生成声波对抗样本；利用傅里叶变换处理我方舰船发出的原始水声信号，以生成图像模态对抗样本。该方法使播放的对抗扰动能够同时欺骗声波和图像处理模型，且不引起人耳和人眼的警觉，进而实现水声对抗场景中对敌智能伪装。
-
公开(公告)号：CN111028277A
公开(公告)日：2020-04-17
申请号：CN201911256966.0
申请日：2019-12-10
申请人： 中国电子科技集团公司第五十四研究所 , 哈尔滨工程大学
IPC分类号： G06T7/33
摘要： 本发明公开了遥感图像配准技术领域的基于伪孪生卷积神经网络的SAR和光学遥感图像配准方法，先对特征图像块的采集和匹配，再进行异常点去除和最终配准，采用了最大化正样本和难负样本之间的特征距离的策略，并且定义了新的损失函数对网络进行训练，伪孪生网络的两个分支通过卷积运算连接，得到两个输入图像块之间的相似性得分；本发明通过提出了伪孪生卷积神经网络体系结构，使得伪孪生网络的左分支和右分支能够分别输入不同大小的光学和SAR遥感图像，能够解决在极高分辨率下光学和SAR遥感图像中识别相应图像块的任务。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.028 秒)
